一、预答辩论文题目：张量结构低秩建模及高光谱图像复原研究
二、答辩人：薛吉则
三、答辩时间：2022年5月13日19:00-21:00
四、答辩地点：腾讯会议：307144515
五、答辩内容简介：
随着数据获取技术不断发展，涌现出大量维度更高、结构更复杂的数据，如高光谱图像，但数据在采集过程中因设备故障、测量资源限制、环境干扰等因素而造成高维数据退化，从而影响数据质量。因此，研究如何从退化的高维数据中恢复原始信号具有非常重要的意义。作为一种有效的建模方法，张量低秩表达能够保留高维数据的多线性结构，已成功应用于高光谱图像处理和计算机视觉等领域。然而传统张量低秩建模方法无法直接描述高维数据的内在结构信息，从而导致复原精度有限。针对这一问题，本文围绕张量结构低秩建模的理论和应用展开研究。首先，我们研究了基于张量秩近似和张量分解的张量结构低秩表达。然后，以高光谱图像复原为例，通过挖掘数据内在结构信息，提出了基于张量结构低秩的高光谱图复原算法。
薛吉则，2017年获得硕士学位，目前在西北工业大学控制科学与工程专业攻读博士学位，读博期间在国家留学基金委的资助下，于2019年3月开始在比利时根特大学进行为期2年的博士联合培养。研究聚焦在张量分解和高光谱图像复原，以高维数据复原和多模态成像为研究背景，从高维数据的稀疏、低秩和深度先验出发，提出了一系列高维数据复原的理论与方法，为高效解决多模态数据的复原问题提供了新的思路。博士期间以第一作者在图像处理和机器学习相关领域顶级刊物IEEE TNNLS、IEEETCYB、IEEETIP等发表学术论文13篇，参加国内外学术会议6次；参与国家自然科学基金，陕西省自然科学基金、深圳市科技计划等多个项目，主持博士创新基金1项。获得2021年度陕西高等学校科学技术特等奖（排名第6），2018-2020年连读三年获得博士国家奖学金、一等学业奖学金和年度“优秀研究生”称号；担任IEEETPAMI、IEEE TNNLS、IEEE TGRS、IEEE TSP等多个期刊审稿人。
